こんにちは。エンジニアの和田です。 今回は、AgentforceのAgent制御のノウハウについて、第1弾に引き続き、第2弾をお届けします。 本記事では以下の内容を取り上げます。 Actionの効果的な選ばせ方 Off Topicの扱い Agent Actionに設定するPrompt Templateのモデルの調整 なお、Agent制御に効果的なノウハウは、Agentforce自体のアップデートや、Agentの内部で利用されるLLMのアップデートによって変化する可能性があります。この記事の内容は、2025年6月現在のものであることにご留意ください。

こんにちは，研究開発室の福井です．研究開発室においてオペレーションズ・リサーチ(OR)のビジネス活用について研究を行っております．今回は，OR の技術を用いて何らかの計画を作成する際に，「出力された計画が何故そうなったのか?」を説明するための方法や関連した既存研究を紹介します．

こんにちは。エンジニアの山下です。 昨今の AI 技術の進歩には目を見張るものがあり、特に AI Agent のビジネス活用への期待は日に日に大きくなっているように感じられます。 しかし、AI がいくら賢くなってきているとはいえ、AI Agent だけで全ての問い合わせに対処するのは難しいでしょう。AI Agent に可能なのは高々文章による回答と事前定義されたツールの使用のみであり、現実世界の複雑な要望に応えるにはやや心許ないと言わざるを得ません。また、ユースケースによっては問題の重要な決定を AI に任せるのは不安という心理的障壁も発生しそうです。 AI Agent では対処できない要望が…

みなさんこんにちは。エンジニアの佐藤です。今回は、最近筆者が講演した社内セミナーの中で好評だった「Atlas推論エンジン Deep Dive」の内容からお話しさせてください。 AgentforceとAtlas推論エンジン 生成AI、特に大規模言語モデル(LLM)が人間のような思考・判断をして、会話の返答などのさまざまなタスクを実行する様子は、見事というほかありません。AgentforceにはこのLLMが高度に統合されており、魔法のような機能が本当にわずかな手順で実装できてしまいます。 しかし、理解が難しかったポイントもあります。多くの人にとって、具体的な戸惑いポイントはAgentforceのエ…

こんにちは。エンジニアの大橋です。 最近、AI エディタを含めた開発ツール界隈がますます盛り上がっています。 GitHub Copilot から始まり、Claude や ChatGPT のコード生成機能、そして Cursor や Windsurf などの AI ネイティブなエディタまで、開発者の生産性を向上させるツールが次々と登場しています。これらのツールは単なるコード補完を超えて、自然言語での指示によるコード生成や、プロジェクト全体を理解したうえでの修正提案など、開発のあり方自体を変えつつあります。 フレクトでも、こうした AI エディタの導入を積極的に進めており、開発効率と品質の向上を両立…

こんにちは。エンジニアの山下です。 今回は Data Cloud のクレジット消費量の監視方法について書きたいと思います。 Data Cloud にはクレジット消費を管理するための DLO 群が用意されているのですが、これらの DLO が持つフィールドの定義については Salesforce の公式ドキュメントのどこにも解説されていません。従って、いざクレジット消費量を監視しようとすると開発者が実際のレコードを眺めながら DLO の各フィールドの意味を推理するという謎の工程が必要になります。 当然、この手の虚無でしかない時間は少なければ少ないほどよいので、今回は筆者が実際の DLO レコードを解…

こんにちは。エンジニアの浅見です。 AI部門に配属されて早１ヶ月半、業務として生成AIを使用する場面も増えてきました。今回の記事では、業務内の技術検証の派生ではあるのですが、普段とは趣向の異なるお話をさせていただきます。テーマは「生成AIに極めて専門性の高い文章を読ませるとどうなるのか」です。 生成AIの得意なことの一つとして「専門文書の要約や概要説明」が挙げられることは比較的有名な話かと思います。今回はその一例として、「一般相対性理論の論文を読ませ、要約させてみる実験」をしました。ちなみに一般相対論を選んだ理由は、自分の論文があるので手頃だったからというだけです。また後半では、「なぜAIは論…

こんにちは。エンジニアの和田です。 今回は、AgentforceのAgent制御のノウハウについて、社内向けAIエージェントの構築経験によって得られた知見を基に解説します。 AgentforceのAgentは、ユーザーからの問いかけに対して自律的に判断し、予め設定したTopicと、Topic別に設定したActionの中を選んで実行します。自律的な動作が大きな特徴ではありますが、この自律的な動作を目的に応じていかに制御するかが課題となります。 Agentの内部では、Salesforceによって組み込まれたシステムプロンプトと、開発者が設定するTopicやActionの説明を組み合わせてLLMを呼…

こんにちは。エンジニアの山下です。 LLM に対する機能追加のためのプロトコルとして Anthropic が定義した MCP が注目を集めています。MCP を使用することで個々のモデルに依存することなく LLM に対する追加機能の開発を行うことが可能になりました。 MCP の仕様は 2024 年 11 月 5 日に初版が公開されましたが、2025 年 3 月 26 日に最新版が公開され、いくつかの機能についての記述が追加されています。今回はその中から認証機能について取り上げたいと思います。 MCP に対して適切な権限制御を行いたい状況はそこそこあり、その筆頭がリソース参照系の機能です。例えばフ…

みなさんこんにちは。エンジニアの佐藤です。今回はテキスト埋め込み(text embedding)についてお話しさせてください。(あらかじめお断りしますと、割と基本的な話です。なお、機能寄りの話で、数学は出てきません。) 疑問のきっかけは「RAG案件失敗」の知らせ ある日のこと、他社某案件の失敗談が聞こえてきました。曰く、「PoCが失敗し、プロジェクトが打ち切りになった」と。恐ろしい話だと思って聞くと、RAG(Retrieval-Argumented Generation)が期待通りに動作しなかったようです。(詳しい話は省略します。) RAGは、ご存知の方も多いと思いますが、一般的にはチャットボ…

みなさんこんにちは。エンジニアの竹田です。 今日はIT企業であるフレクト内でのLLMの活用について紹介したいと思います。 フレクトの主な業務はシステム開発なので、もちろんシステム開発を効率化するための道具としてLLMを使っていますし、今後さらに加速していきます。 けれども、今回紹介するのはシステム開発でのLLMの活用ではなくて、それ以外の業務での活用です。 （システム開発のLLMでの活用についてもいずれお伝えしたいと思います） きっと、IT企業でもそうでない企業でも参考にしていただけるものがあると思いますので、ぜひご一読ください。

こんにちは。エンジニアの浅見です。 フレクトでは、社内のナレッジを蓄積・共有するために「Fラボ」というツールを運用しております。 本ブログ記事は、この春からAI部門に配属された入社3年目の私が、「15分でわかる！Salesforce で「生成AI」」として「Fラボ」に公開したものです。 本来「Fラボ」は社内のみに公開されているのですが、前回の記事（15分でわかる！Agentforce）とあわせて特別に、社外にも公開することとなりました。 なお、本内容は社内入門者向けの教育コンテンツとなっておりますので、その点予めご認識いただけますと幸いです。

こんにちは。エンジニアの大橋です。 簡単に自己紹介をさせていただくと、私は入社4年目のエンジニアとなります。 このたびAI部隊に配属となり、Agentforceの知見をまとめましたので、共有します。 フレクトでは、社内のナレッジを蓄積・共有するために「Fラボ」というツールを運用しています。近年は特にAI領域に力を入れており、FラボでもAIに関する知見や活用事例を数多く蓄積しています。今回は、その豊富なAIナレッジの中から「15分でわかる！Agentforce」という記事を特別に公開したいと思います。 なお、本内容は社内入門者向けの教育コンテンツであることをあらかじめご認識ください。

こんにちは，研究開発室の福井です．研究開発室においてオペレーションズ・リサーチ(OR)のビジネス活用について研究を行っております．今回は予知保全の PoC プロジェクトを高速化するために開発室メンバーの北村さん，東さんとともに開発を進めてきた boilerplate を紹介します． 本記事は以前の記事『Databricks を活用した機械学習プロジェクトの PoC フェーズの高速化に向けた取り組みの紹介』の続きとなります．

こんにちは．研究開発室の北村 蘭丸です．普段，研究開発室では Operations Research (OR) のビジネス活用について研究を進めています．その一環として，本記事では，Model Context Protocol (MCP) の仕組みを利用して Large Language Model (LLM) と OR の連携の仕方を模索するために，数理最適化を行うためのMCPサーバーを試作してみたのでご紹介いたします．簡単な問題であれば，会話のような自然なやり取りから数理最適化を行い結果を得るシステムの構築も可能なのではないかと考え，今回取り組んだことについてお話します．

こんにちは。エンジニアの山下です。 Salesforce の四半期決算で Agentforce の導入事例が 5000 件を超えたことが発表されるなど、Salesforce の LLM 活用の波を感じるニュースが増えてきましたね。というわけで、今回は Agentforce の中核機能の１つである Service Agent について書きたいと思います。 Service Agent のユースケースは色々と考えられそうですが、典型例となりそうなのが個人向けにカスタマイズされたアドバイザーです。ユーザを取り囲む文脈を読み取って適切なサポートをしてくれるデジタル秘書ないしはコンサルタントのようなイメー…

みなさんこんにちは。エンジニアの佐藤です。 前回「Microsoft AutoGen「りんご売買」エージェントの顛末」で、AutoGenを用いてAIエージェント同士の会話が展開でき、店員と買い物客の間の合意がプログラム的に検知できそうだ、というお話をしました。今回はAIエージェントに「内部助言者」を付ける手法を紹介させていただきたいと思います。 現実世界では身近な「内部助言者」をAIエージェントに持ち込む あなたが何かの当事者として誰かと交渉に臨む場合、交渉相手と話す前に、事前相談する人がきっといることでしょう。これらの「内部助言者」は、あなたと交渉相手の立場を両方勘案し、あなたに有利な展開を…

こんにちは。研究開発室のエンジニアの東です。 今回はDatabricks環境で、１つのノードやGPUにおさまらないような巨大なデータセットやモデルの学習を、Rayを用いてMulti-node/ Multi-gpuで行う方法について解説します。 想定される読者は以下のような方々です。 機械学習についての基礎的な知識がある方 Databricksについての基礎的な知識がある方 DatabricksでMulti-node/ Multi-gpu学習を行いたい方

みなさんこんにちは。エンジニアの佐藤です。 前回「LangGraphで最小限のAIエージェントを作る」というお話をしました。今回はこれを一歩進めて、AIエージェント同士の会話を試みたいと思います。 Microsoft AutoGenに辿り着くまで 前回はLangGraphを使いましたが、それは「著名なLangChainの姉妹品なら」という期待があったためです。実は、あのコードをクラスにして2つ展開すれば、エージェント同士の会話は成立します。しかし、「もっと簡単な方法はないのか？」という気持ちが募ってきました。筆者が最も苦痛に感じたのは、双方のやり取りのメッセージ履歴を維持し、それを元に条件分岐…

こんにちは．研究開発室の牧野と北村です．研究開発室においてOperations Research (OR)のビジネス活用について研究を行っております． さて，先日の2024年11月4日~7日にかけて第27回情報論的学習理論ワークショップ (IBIS2024)が大宮にて開催されました．そこで行われたポスターセッションにおいてフレクト研究開発室から1件のポスター発表をさせていただきました．そこで，本稿では我々の発表内容，IBISの様子などについてお伝えできればと思います.

みなさんこんにちは。エンジニアの佐藤です。 先月(2024年10月)の話ですが、Dreamforce'24でAgentforceが発表されました。これまであったEinstein Copilotが「質問すれば答えてくれる」「お願いすればやってくれる」存在だったのに対し、今度のAgentforceは「代わりに働いてくれる」というものです。キーノートで披露されたデモでは、商談日程を見込み顧客と決める、質問対応をこれまでより高度に自動処理する、オフィスの仲間のように各種作業をやってくれる、などの「AIエージェント」が登場します。マスコット達も未来的なロボットになり、何やらSFの世界に踏み込んだような感…

こんにちは。エンジニアの山下です。 Dreamforce 2024 で華々しく発表された Agentforce ですが、中でも一際力が入っていたのが Service Agent の発表です。これは LLM にエージェントとしてお客様の対応を行なってもらうサービスで、チャットボットなどの従来のサービスよりも自然かつ柔軟な対応が行える点が魅力です。 Service Agent は Salesforce の外部の Web ページからも利用できるように設計されており、任意の画面にチャット形式で埋め込むことが可能です。Salesforce に直結したフルマネージド LLM をそのまま Web ページに埋…

こんにちは。研究開発室の北村 蘭丸です。研究開発室では、Operations Research (OR) のビジネス活用について研究を進めています。本記事では、その一環として現在取り組んでいる機械学習による製造機器の予知保全についてご紹介いたします。

こんにちは。研究開発室の東です。 今回はDatabricksを使用する際の作業領域であるワークスペースを手動で構成する方法について解説します。 本稿では、ワークスペースを構築するために必要なクラウドサービスにはAWSを使用し、S3、IAMロール、VPCなどの必要なリソースの作成にはAWS CDKを使用します。 本稿では、以下の点を取り扱います。 Databricksワークスペースの手動作成 AWS CDK (Python)を使用したCloudformationスタックの作成 S3, IAM role, VPCの作成 想定される読者は、以下のような方々です。 Databricksの導入(prem…

こんにちは。エンジニアの山下です。 先日行われた Dreamforce 2024 の目玉として Agentforce が大きく取り上げられました。その一環として Einstein Copilot は Agent の一種として取り扱うという階層変更が行われ、またこれに伴い８月末から９月初頭にかけて一部の仕様が変更されています。 この仕様変更の中には Einstein Copilot の開発工程に大きく影響を与えるものが含まれており、その筆頭が Agent Topics の追加です。端的に述べると、これは既存の Copilot と Action の間に階層を一つ追加するような変更で、開発に対して設…

こんにちは，研究開発室の福井です．研究開発室においてオペレーションズ・リサーチ(OR)のビジネス活用について研究を行っております．今回は，機械学習プロジェクトを高速化するために現在研究開発室で推進している取り組みについてご紹介します．

こんにちは。エンジニアの山下です。今回は OCR について書こうと思います。 OCR は画像中の文字を文字データに変換するシステムの総称で、DX の前段階にあたるペーパーレスの推進などの文脈でしばしば見かけます。昨今の AI ブームの恩恵を受けて OCR の精度は非常に高くなっており、実際、以下のように粗悪な質の画像であってもそれなりの精度で機能します。 しかし、DX の前段階という文脈では、単に OCR の読み取り精度が高いだけでは十分とは言えません。というのは、多くの場合、OCR の出力は構造化されたデータではなく、読み取った文字列を列挙しただけのデータ片になりがちだからです。 以下に実際…

こんにちは。エンジニアの山下です。 今回は Einstein Copilot のユースケースの一例として、Einstein Copilot を使って商談案件のリスクの評価を行う方法について書きたいと思います。 商談案件の状況の追跡は Salesforce をはじめとする CRM プラットフォームが取り組む大きな課題の１つです。商談案件を管理する立場にある人、特に複数の案件を管理する立場にある人には、案件の状況を手早く確認し、かつ介入が必要かどうかを正確に判断できるような手段が欲しいという強いニーズがあります。 実はこのニーズには Eisntein Copilot がピタリと嵌まります。抽象的な…

こんにちは。エンジニアの山下です。 今回は Einstein Copilot と Data Cloud Vector Database を連携する方法について書こうと思います。 Einstein Copilot は Salesforce が提供する LLM によるアシスタントサービスで、チャットベースで LLM に指示を行うことで、自然言語によるレコード検索やメールの文面の下書きなどを行なうことができます。地味に手間のかかる作業を LLM に一任できるため、Salesforce を普段使いする人に重宝されそうなサービスです。 Einstein Copilot の微妙な点は、デフォルトで搭載され…

こんにちは。エンジニアの山下です。 今回は Salesforce Data Cloud と Amazon SageMaker の連携機能について書きたいと思います。 やること 今回は Data Cloud と SageMaker の連携機能を検証するわけですが、実はこの検証に SageMaker は使用しません。本記事のタイトルにも SageMaker のモデルを呼び出すとは一言も書いていなかったりします。 要するにこういうことです。今回は SageMaker のエンドポイントを装ったダミーのサービスを立ち上げて Data Cloud に接続します。そしてダミーのサービスから適当な結果を返して…